【OpenCV 基础知识 18】对两图像按位与操作

2024-05-26 21:44

本文主要是介绍【OpenCV 基础知识 18】对两图像按位与操作,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

cvAnd是opencv的一个库函数,功能是计算两个数组的按位与的结果。 计算两个数组的每个元素的按位与 void cvAnd( const
CvArr* src1, const CvArr* src2, CvArr* dst, const CvArr* mask=NULL );
src1 第一个原数组 src2 第二个原数组. dst 输出数组 mask 操作覆盖面( 8-bit 单通道数组);
只有覆盖面指定的输出数组被修改 函数 cvAnd 计算两个数组的每个元素的按位逻辑与: dst(I)=src1(I)&src2(I) if
mask(I)!=0 对浮点数组按位表示操作是很有利的。除覆盖面,所有数组都必须有相同的类型,相同的大小(或ROI大 小)。

program cv_And;{$APPTYPE CONSOLE}
{$POINTERMATH ON}
{$R *.res}usesSystem.SysUtils,ocv.highgui_c,ocv.core_c,ocv.core.types_c,ocv.imgproc_c,uResourcePaths;constfilename = cResourceMedia + 'roulette-wheel2-small.jpg';VarRmin: Integer = 0;Rmax: Integer = 256;Gmin: Integer = 0;Gmax: Integer = 256;Bmin: Integer = 0;Bmax: Integer = 256;RGBmax: Integer = 256;image: pIplImage = nil;dst: pIplImage = nil;// 用于存储 RGB 通道rgb: pIplImage = nil;r_plane: pIplImage = nil;g_plane: pIplImage = nil;b_plane: pIplImage = nil;// 用于存储变换后的 RGB 通道r_range: pIplImage = nil;g_range: pIplImage = nil;b_range: pIplImage = nil;// 用于存储合并后的图像rgb_and: pIplImage = nil;// 处理滑动条的回调函数
procedure myTrackbarRmin(pos: Integer); cdecl;
beginRmin := pos;cvInRangeS(r_plane, cvScalar(Rmin), cvScalar(Rmax), r_range);
end;procedure myTrackbarRmax(pos: Integer); cdecl;
beginRmax := pos;cvInRangeS(r_plane, cvScalar(Rmin), cvScalar(Rmax), r_range);
end;procedure myTrackbarGmin(pos: Integer); cdecl;
beginGmin := pos;cvInRangeS(g_plane, cvScalar(Gmin), cvScalar(Gmax), g_range);
end;procedure myTrackbarGmax(pos: Integer); cdecl;
beginGmax := pos;cvInRangeS(g_plane, cvScalar(Gmin), cvScalar(Gmax), g_range);
end;procedure myTrackbarBmin(pos: Integer); cdecl;
beginBmin := pos;cvInRangeS(b_plane, cvScalar(Bmin), cvScalar(Bmax), b_range);
end;procedure myTrackbarBmax(pos: Integer); cdecl;
beginBmax := pos;cvInRangeS(b_plane, cvScalar(Bmin), cvScalar(Bmax), b_range);
end;Varframemin, framemax: Double;c: Integer;begintry// 读取图像image := cvLoadImage(filename);WriteLn(Format('[i] image: %s', [filename]));// 创建图像rgb := cvCreateImage(cvGetSize(image), IPL_DEPTH_8U, 3);r_plane := cvCreateImage(cvGetSize(image), IPL_DEPTH_8U, 1);g_plane := cvCreateImage(cvGetSize(image), IPL_DEPTH_8U, 1);b_plane := cvCreateImage(cvGetSize(image), IPL_DEPTH_8U, 1);r_range := cvCreateImage(cvGetSize(image), IPL_DEPTH_8U, 1);g_range := cvCreateImage(cvGetSize(image), IPL_DEPTH_8U, 1);b_range := cvCreateImage(cvGetSize(image), IPL_DEPTH_8U, 1);rgb_and := cvCreateImage(cvGetSize(image), IPL_DEPTH_8U, 1);// 复制图像cvCopy(image, rgb);// 分离通道cvSplit(rgb, b_plane, g_plane, r_plane, nil);// 计算各通道的最小和最大值framemin := 0;framemax := 0;cvMinMaxLoc(r_plane, @framemin, @framemax);WriteLn(Format('[R] %f x %f', [framemin, framemax]));Rmin := Trunc(framemin);Rmax := Trunc(framemax);cvMinMaxLoc(g_plane, @framemin, @framemax);WriteLn(Format('[G] %f x %f', [framemin, framemax]));Gmin := Trunc(framemin);Gmax := Trunc(framemax);cvMinMaxLoc(b_plane, @framemin, @framemax);WriteLn(Format('[B] %f x %f', [framemin, framemax]));Bmin := Trunc(framemin);Bmax := Trunc(framemax);// 创建窗口cvNamedWindow('original', CV_WINDOW_AUTOSIZE);cvNamedWindow('R', CV_WINDOW_AUTOSIZE);cvNamedWindow('G', CV_WINDOW_AUTOSIZE);cvNamedWindow('B', CV_WINDOW_AUTOSIZE);cvNamedWindow('R range', CV_WINDOW_AUTOSIZE);cvNamedWindow('G range', CV_WINDOW_AUTOSIZE);cvNamedWindow('B range', CV_WINDOW_AUTOSIZE);cvNamedWindow('rgb and', CV_WINDOW_AUTOSIZE);// 创建滑动条cvCreateTrackbar('Rmin', 'R range', @Rmin, RGBmax, myTrackbarRmin);cvCreateTrackbar('Rmax', 'R range', @Rmax, RGBmax, myTrackbarRmax);cvCreateTrackbar('Gmin', 'G range', @Gmin, RGBmax, myTrackbarGmin);cvCreateTrackbar('Gmax', 'G range', @Gmax, RGBmax, myTrackbarGmax);cvCreateTrackbar('Bmin', 'B range', @Gmin, RGBmax, myTrackbarBmin);cvCreateTrackbar('Bmax', 'B range', @Gmax, RGBmax, myTrackbarBmax);// 根据图像尺寸移动窗口位置if (image^.width < 1920 / 4) and (image^.height < 1080 / 2) thenbegincvMoveWindow('original', 0, 0);cvMoveWindow('R', image^.width + 10, 0);cvMoveWindow('G', (image^.width + 10) * 2, 0);cvMoveWindow('B', (image^.width + 10) * 3, 0);cvMoveWindow('rgb and', 0, image^.height + 30);cvMoveWindow('R range', image^.width + 10, image^.height + 30);cvMoveWindow('G range', (image^.width + 10) * 2, image^.height + 30);cvMoveWindow('B range', (image^.width + 10) * 3, image^.height + 30);end;while true dobegin// 显示原图cvShowImage('original', image);// 显示各通道cvShowImage('R', r_plane);cvShowImage('G', g_plane);cvShowImage('B', b_plane);// 显示阈值化结果cvShowImage('R range', r_range);cvShowImage('G range', g_range);cvShowImage('B range', b_range);// 合并通道cvAnd(r_range, g_range, rgb_and);cvAnd(rgb_and, b_range, rgb_and);// 显示合并结果cvShowImage('rgb and', rgb_and);// 等待按键c := cvWaitKey(33);if (c = 27) then// 如果按下 ESC 键,退出循环break;end;// 输出结果WriteLn('[i] Results:');WriteLn(Format('[i][R] %d : %d', [Rmin, Rmax]));WriteLn(Format('[i][G] %d : %d', [Gmin, Gmax]));WriteLn(Format('[i][B] %d : %d', [Bmin, Bmax]));// 释放图像资源cvReleaseImage(image);cvReleaseImage(rgb);cvReleaseImage(r_plane);cvReleaseImage(g_plane);cvReleaseImage(b_plane);cvReleaseImage(r_range);cvReleaseImage(g_range);cvReleaseImage(b_range);cvReleaseImage(rgb_and);// 销毁窗口cvDestroyAllWindows();excepton E: Exception doWriteLn(E.ClassName, ': ', E.Message);end;end.

这篇关于【OpenCV 基础知识 18】对两图像按位与操作的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1005672

相关文章

使用Java将各种数据写入Excel表格的操作示例

《使用Java将各种数据写入Excel表格的操作示例》在数据处理与管理领域,Excel凭借其强大的功能和广泛的应用,成为了数据存储与展示的重要工具,在Java开发过程中,常常需要将不同类型的数据,本文... 目录前言安装免费Java库1. 写入文本、或数值到 Excel单元格2. 写入数组到 Excel表格

Python中pywin32 常用窗口操作的实现

《Python中pywin32常用窗口操作的实现》本文主要介绍了Python中pywin32常用窗口操作的实现,pywin32主要的作用是供Python开发者快速调用WindowsAPI的一个... 目录获取窗口句柄获取最前端窗口句柄获取指定坐标处的窗口根据窗口的完整标题匹配获取句柄根据窗口的类别匹配获取句

Python位移操作和位运算的实现示例

《Python位移操作和位运算的实现示例》本文主要介绍了Python位移操作和位运算的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一... 目录1. 位移操作1.1 左移操作 (<<)1.2 右移操作 (>>)注意事项:2. 位运算2.1

Python ZIP文件操作技巧详解

《PythonZIP文件操作技巧详解》在数据处理和系统开发中,ZIP文件操作是开发者必须掌握的核心技能,Python标准库提供的zipfile模块以简洁的API和跨平台特性,成为处理ZIP文件的首选... 目录一、ZIP文件操作基础三板斧1.1 创建压缩包1.2 解压操作1.3 文件遍历与信息获取二、进阶技

Java中字符串转时间与时间转字符串的操作详解

《Java中字符串转时间与时间转字符串的操作详解》Java的java.time包提供了强大的日期和时间处理功能,通过DateTimeFormatter可以轻松地在日期时间对象和字符串之间进行转换,下面... 目录一、字符串转时间(一)使用预定义格式(二)自定义格式二、时间转字符串(一)使用预定义格式(二)自

使用Python实现图像LBP特征提取的操作方法

《使用Python实现图像LBP特征提取的操作方法》LBP特征叫做局部二值模式,常用于纹理特征提取,并在纹理分类中具有较强的区分能力,本文给大家介绍了如何使用Python实现图像LBP特征提取的操作方... 目录一、LBP特征介绍二、LBP特征描述三、一些改进版本的LBP1.圆形LBP算子2.旋转不变的LB

Java字符串操作技巧之语法、示例与应用场景分析

《Java字符串操作技巧之语法、示例与应用场景分析》在Java算法题和日常开发中,字符串处理是必备的核心技能,本文全面梳理Java中字符串的常用操作语法,结合代码示例、应用场景和避坑指南,可快速掌握字... 目录引言1. 基础操作1.1 创建字符串1.2 获取长度1.3 访问字符2. 字符串处理2.1 子字

在PyCharm中安装PyTorch、torchvision和OpenCV详解

《在PyCharm中安装PyTorch、torchvision和OpenCV详解》:本文主要介绍在PyCharm中安装PyTorch、torchvision和OpenCV方式,具有很好的参考价值,... 目录PyCharm安装PyTorch、torchvision和OpenCV安装python安装PyTor

Python 中的 with open文件操作的最佳实践

《Python中的withopen文件操作的最佳实践》在Python中,withopen()提供了一个简洁而安全的方式来处理文件操作,它不仅能确保文件在操作完成后自动关闭,还能处理文件操作中的异... 目录什么是 with open()?为什么使用 with open()?使用 with open() 进行

openCV中KNN算法的实现

《openCV中KNN算法的实现》KNN算法是一种简单且常用的分类算法,本文主要介绍了openCV中KNN算法的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录KNN算法流程使用OpenCV实现KNNOpenCV 是一个开源的跨平台计算机视觉库,它提供了各